1. 度 無向圖：節點連線的邊數；有向圖： 出邊數為出度，入邊數為入度。
2. 子圖　由圖的節點集的子集以及邊集的子集構成的圖　
3. 連通分量 連通圖本身為其唯一連通分量，非連通無向圖有多個連通分量。
4. 連通圖 強連通圖：任意兩個點之間相互可達； 弱連通圖：至少一對節點不滿足單向連通，而去掉邊的方向後是連通圖。
5. 最短路徑 兩個節點之間的可達經過的最少邊數。
6. 圖直徑 圖中任意兩兩節點的最短路徑的最大值。

1. 度中心性
2. 特徵向量中心性 鄰接矩陣最大特徵值所對應的特徵向量
3. 中介中心性
4. 連線中心性
5. PageRank 節點PR為指向它的節點的PR值之和，邊PR為該節點PR的平均。
6. Hits(hub、authority) 節點hub值為它所指向的節點的authority值之和，節點authority值為指向它的節點的hub值之和。

import numpy as np
import pandas as pd
import networkx as nx

edges = pd.DataFrame()
edges['sources'] = [0,1,2,3,4,4,6,7,7,9,1,4,4,4,6,7,5,8,9,8]
edges['targets'] = [1,4,4,4,6,7,5,8,9,8,0,1,2,3,4,4,6,7,7,9]
#edges['weights'] = [1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1]
 


G = nx.from_pandas_edgelist(edges, source='sources',target='targets')
# degree
print(nx.degree(G))
# 連通分量
print(list(nx.connected_components(G)))
# 圖直徑
print(nx.diameter(G))
# 度中心性
print('度中心性',nx.degree_centrality(G))
# 特徵向量中心性
print('特徵向量中心性',nx.eigenvector_centrality(G))
# betweenness
print('betweenness
 
',nx.betweenness_centrality((G)))
# closeness
print('closeness',nx.closeness_centrality(G))
# pagerank
print('pagerank',nx.pagerank(G))
# HITS
print('HITS',nx.hits(G,tol=0.00001))